蚁群算法应用(运输问题).docVIP

一、蚁群算法基本原理 图表示蚂蚁觅食的线路，为蚁穴 , 为食源，从到有两条线路可走，是长路径，是短路径.蚂蚁走过一条路线以后，在地面上会留下信息素气味，后来蚂蚁就是根据留在地面上这种气味的强度选择移动的方向.图）表示起始情况，假定蚁穴中有只蚂蚁，分别用表示，Ｂ为食源.开始时蚁穴中蚂蚁向食源移动，由于路线和上均没有蚂蚁通过，在这两条路线上都没有信息素气味，因此蚂蚁选择这两条线路的机会均等.令蚁选择线路，蚁选择线路，假定蚂蚁移动的速度相同，当蚁到达食源时，蚁还在途中，如图）.蚁到达食源以后就返回，这时从返回也有两条线路选择，哪一条线路上信息素的气味重就选择哪一条.因为蚁还在途中，没有到达终点，这时在线路上靠近端处，蚁还没有留下信息素气味，所以蚁返回蚁穴的线路只有一个选择，就是由原路返回.当蚁返回时，蚁开始出发，蚁的线路选择必定是，因为这时上气味浓度比上重 (上已有蚂蚁两次通过 ) ，如图）所示.当蚁到达食源时 ,蚁返回线路必然选择，如图）所示.如此继续下去 ，沿线路上移动的蚂蚁越来越多，这就是巢穴到食源的最短路线，蚂蚁根据线路上留下信息素浓度的大小，确定在路线上移动的方向，蚁群向信息素浓度重的线路集聚的现象称为正反馈.蚂蚁算法正是基于正反馈原理的启发式算法.每只蚂蚁并不是像我们想象的需要知道整个信息，他们其实只关心很小范围内的信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来.这就是人工生命、复杂性科学解释的规律那么，这些简单规则是什么呢？下面详细说明蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是个方格世界，并且能移动的距离也在这个范围之内. 2） 环境：蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素.每个蚂蚁都仅仅能感知它范围内的环境信息.环境以一定的速率让信息素消失. 3）觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去.否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动.蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应. 4）移动规则：每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动.为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开. 5）避障规则：如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为. 6）播撒信息素规则：每只蚂蚁在刚找到食物或者窝的时候发的信息素最多，并随着它走的距离，播撒的信息素越来越少. 在蚁群算法中，需要定义人工蚂蚁的概念，人工蚂蚁具有双重特性，首先，它们是真实特征的一种抽象，通过对真实蚂蚁行为的观察，将蚁群行为中的智能化因素赋予人工蚂蚁；另一方面，为了解决实际问题，人工蚂蚁必须具备真实蚂蚁一些所不具备的特性.归纳起来看，它1) 人工蚁与真实蚁一样，都是一个需要合作的群体 问题的解决需要通过人工蚁的合作来完成，人工蚁群通过相互协调与合作从而有可能找到全局最优方案，而每只人工蚁的单独行动只可能找到局部最优解2) 人工蚁和真实蚁一样，都要完成一个共同的任务 人工蚁与真实蚁一样，都要寻找一个从源节点（巢穴）到目的节点（食物源）之间的最短路径（或最小代价），人工蚂蚁与真实蚂蚁一样都不能跳跃，必须在相邻节点之间移动，直至遍历所有可能路径，为了减少计算复杂度并寻找出最短路径，需要记录当前路径3) 人工蚁与真实蚁一样都通过使用信息素进行间接通信 真实蚂蚁在经过的路径上留下信息素，人工蚁则不断修改更新在其所经过的路径上存储的信息，是一种模拟自然界中的信息素轨迹更新的过程4) 人工蚁利用真实蚁觅食行为中的自催化机制—正反馈 当一些路径上通过的蚂蚁越来越多时，路径上留下的信息素轨迹也越来越多，使得信息素强度变大，根据蚂蚁倾向于选择信息强度大的特点，后来的蚂蚁选择该路径的概率也越高，从而增加了该路径的信息素强度，这称之为自催化过程，自催化机制利用信息素作为反馈，通过对系统演化过程中较优解的增强作用，使得问题的解向着全局最优的方向逐步接近5) 信息素的挥发机制 在蚁群算法中设置一种挥发机制，类似于真实信息素的挥发，这种机制需要蚂蚁忘记过去，不受过去经验的过分约束，有利于指引蚂蚁朝着新的方向搜索，避免早熟收敛6)利用当前信息进行路径选择的随机选择策略 人工蚁真实蚁